YOLOv13涨点改进| TGRS 2026 |全网创新首发、Conv卷积改进篇 | 引入SFEM空间-频率特征增强模块,同时建模空间域和频域信息,助力YOLOv13遥感小目标检测,小目标分割高效涨点
一、本文介绍🔥这篇论文作者使用YOLO模型发SCI一区!喜提TGRS 2026顶刊!做遥感小目标检测任务。本文给大家介绍利用SFEM空间-频率特征增强模块改进YOLOv13网络模型,SFEM 是一种面向 RGB 分支的空间–频域特征增强模块,主要作用是提升复杂场景下 RGB 特征的表达能力与稳定性。其原理是通过双分支结构同时建模空间域和频域信息,其中空间分支利用梯度算子提取边缘、纹理等局部细节,频域分支借助傅里叶变换挖掘图像的全局结构与频率模式,最后将两类特征融合,形成更完整的特征表示。其优势在于突破了传统仅依赖空间域建模的局限,能够同时兼顾局部细节与全局信息,从而增强模型在复杂背景、光照变化和小目标场景下的鲁棒性,并为后续跨模态融合提供更高质量的 RGB 特征基础。🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLOv13创新改进!🔥YOLOv13专栏改进目录:YOLOv13改进包含各种卷积、主干网络、各种注意力机制、检测头、损失函数、Neck改进、小目标检测、二次创新模块、HyperACE二次创新、独家创新等几百种创新点改进。全新YOLOv13创新改进专栏链接:全新YOLOv13创新改进高效涨点+永久更新中(至少500+改进)+高效跑实验发论文本文目录一、本文介绍二、SFEM空间-频率特征增强模块介绍2.1 SFEM空间-频率特征增强模块结构图2.2 SFEM模块的作用1. 提升RGB分支的特征表达能力2. 提高复杂场景下的特征鲁棒性3. 提供更加可靠的特征基础2.3SFEM模块的原理1. 采用空间域与频域双分支结构2. 空间分支用于提取局部结构信息
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2562685.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!